EEG信号的协方差矩阵表征构成弯曲的黎曼空间

粒子群算法对协方差矩阵维度筛选在黎曼空间中的演化过程

运动想象EEG信号选择出的重要维度所对应通道大致分布在感觉运动皮层

　　脑机接口是大脑与外界交互的新方式。它绕开外周神经，通过在大脑与外部设备间建立直接连接进行信息交换，在神经康复、认知计算等领域有着广泛的应用前景。然而，如何实时、有效地将大脑意图转换为控制外部设备的指令一直是制约脑机接口技术发展的关键问题之一。

　　近日，中国科学院沈阳自动化研究所神经计算团队与中国矿业大学开展联合研究，将粒子群算法引入到对称正定黎曼空间，对脑电图（Electroencephalogram, EEG）的协方差矩阵表征数据进行了维度筛选，有效提高了EEG信号识别效率，且选择出的重要维度符合神经生理学发现。相关研究成果发表于《知识库系统》（Knowledge-Based Systems, KBS）。

　　研究团队将捕捉大脑意图EEG信号表征为协方差矩阵，从平直的欧氏空间转换到弯曲的对称正定黎曼空间，利用粒子群算法在黎曼空间中对协方差矩阵进行降维，将防方差矩阵的行和与其对应的列看作为一个特征组，去除对EEG识别效果影响小或具有干扰的特征组。该方法在提高识别效率的同时提高了识别正确率。与目前大部分黎曼空间数据基于映射的降维方法不同，该方法具有可解释性，选择出的重要维度能够回溯到EEG信号的通道，在运动想象EEG信号上选择出来的重要维度大致分布在感觉运动皮层，符合神经生理学的发现。该方法为推进脑机接口的实际应用提出了一种方案。

　　该研究得到国家自然科学基金、科技部重点研发计划等项目的支持。（机器人学研究室）